Ich ertappe mich dabei, wie ich mit meinem Computer rede: unglaublich tröstlich und gleichzeitig peinlich!

Vor zehn Jahren führte Google die Spracheingabe mit seiner Gboard-App für Android ein, und ein Jahr später kam die Funktion mit der Tastatur-App auch auf iPhones. Ich habe ihr nie viel Beachtung geschenkt. Der Hauptgrund dafür war, dass sie nicht genau genug war.

Das große Versprechen war eine völlig neue Art der Interaktion mit unseren Smartphones, aber es war nie gut genug, um mich vom Tippen und Wischen auf der Bildschirmtastatur abzuhalten. Und nun, im Jahr 2026, spreche ich mit meinem Computer. Tatsächlich wurde dieser ganze Artikel diktiert und anschließend in WordPress kopiert.

Die Änderungen, die ich vornehmen musste, beschränkten sich auf das Einfügen einiger Kommas, das Trennen zweier Sätze durch einen Punkt und das Zusammenfassen einiger Stichpunkte zu einem zusammenhängenden Satz. Wenn ich es quantifizieren müsste, würde ich sagen, dass nur 2 % des Aufwands, den ich in das Schreiben dieses Artikels gesteckt habe, für diese Änderungen aufgewendet wurden.

Das ist alles. Doch die anfängliche Euphorie endet sehr schnell, sobald das soziale Bewusstsein zu wachsen beginnt.

Starker Start

Ich habe die Spracherkennung zum ersten Mal genutzt, nachdem ich Wispr Flow ausprobiert hatte. Sie ist unglaublich präzise. Und mit unglaublich präzise meine ich das als jemand, dessen Muttersprache nicht Englisch ist und der keinen ausgeprägten amerikanischen oder britischen Akzent hat. Trotzdem bin ich jedes Mal, wenn ich einen Artikel schreibe, erstaunt, wie genau und einfach der gesamte Prozess ist.

Es hat mich gleichzeitig unglaublich faul und viel produktiver gemacht.

Ich leite eine Nachrichtenredaktion, was bedeutet, dass Schnelligkeit der einzige Weg ist, um hohe Platzierungen und eine starke Sichtbarkeit in den Google-Suchergebnissen zu erreichen. Tatsächlich war dies die erste Lektion, die ich lernte, als ich meine journalistische Laufbahn in einer der angesehensten Redaktionen Indiens begann. „Schnelligkeit ist das Lebenselixier des Geschäfts“, pflegte mein erster Chefredakteur zu sagen, und das ist praktisch ein fester Bestandteil meiner Arbeitsabläufe.

Ich habe mich strikt an dieses Prinzip gehalten. Seit ich Wispr Flow nutze, bin ich jedoch erstaunt, wie schnell ich jetzt Eilmeldungen schreiben und veröffentlichen kann. Gestern Abend habe ich es geschafft, einen etwa 500 Wörter langen Artikel in unter sechs Minuten zu verfassen. Wäre Englisch meine Muttersprache, wäre ich wahrscheinlich noch schneller, aber sechs Minuten sind nach heutigen Maßstäben immer noch wahnsinnig schnell.

Dieser unglaubliche Komfort hat mich total faul gemacht. Jedes Mal, wenn ich die Tastatur berühren muss, um eine Aufgabe zu erledigen, die sich nicht per Spracheingabe erledigen lässt, spüre ich eine deutliche Anstrengung. Ich dachte schon, die Chiclet-Tastatur meines Laptops hätte ihren Zauber endgültig verloren.

Um diese Theorie zu testen, probierte ich zunächst eine flache Tastatur aus und wechselte dann zu einer mechanischen, in der Hoffnung, meine Freude am Tippen wiederzuentdecken. Ich irrte mich. An den Tastaturen selbst lag es nicht. Wären die Tippaufgaben kurz und selten gewesen, hätte ich das angenehme Geräusch und das haptische Feedback zweifellos genossen. Ich war jedoch hoffnungslos süchtig danach geworden, meine Artikel zu vertonen und frei zu sprechen, um meine täglichen Aufgaben in der Redaktion zu erledigen.

Die Prophezeiung hat sich erfüllt

Ist das die Zukunft des Computings? Es scheint so. Doch perfekt ist sie noch lange nicht. Spracheingabe ist nach wie vor für Aufgaben konzipiert, die entweder das Schreiben längerer Texte oder die Steuerung von Aufgaben mithilfe eines KI-Assistenten wie ChatGPT oder Gemini erfordern. Das Silicon Valley ist von dieser Idee vollends überzeugt, und daraus ist sogar der Begriff „sprachverrückt“ entstanden.

Leider zähle ich mich auch zu denen, die von der Klangtechnologie beeinflusst werden.

Immer wenn ich vor diesem Dilemma stehe, erinnere ich mich an eine Notiz von Bill Gates aus dem Jahr 2023. Er schrieb : „Sie werden keine verschiedenen Apps mehr für verschiedene Aufgaben benötigen. Sie werden Ihrer Maschine einfach in Alltagssprache sagen, was sie tun soll“, genau ein Jahr nachdem ChatGPT erstmals veröffentlicht wurde und die Computerwelt revolutionierte.

Sag mir, dass du @WisprFlow benutzt, ohne mir zu sagen, dass du @WisprFlow benutzt. https://t.co/4vKJF8jFX6

— Wispr Flow (@WisprFlow) 24. Juni 2026

Im Mai letzten Jahres wurde Sam Altman, CEO von OpenAI, dem Unternehmen hinter ChatGPT, von Sequoia interviewt und gab Einblicke in die Sprachsteuerung als neues Feld der Mensch-Computer-Interaktion. Sein Zitat lautete:

Ich denke, Sprachinteraktion ist entscheidend. Ehrlich gesagt haben wir noch kein wirklich gutes Sprachprodukt entwickelt. Das ist verständlich; auch die Entwicklung eines guten textbasierten Modells hat einige Zeit in Anspruch genommen. Wir werden diese Herausforderung meistern, und wenn es soweit ist, werden deutlich mehr Menschen die Sprachinteraktion nutzen wollen.

Das war ungefähr zur selben Zeit, als Wispr Flow immer beliebter wurde. Ich habe es zum ersten Mal richtig ausprobiert, als es für iPhones erschien, und später auch auf meinem Mac installiert. Ja, die Begrenzung der Diktierfunktion in den kostenlosen Konten war etwas ärgerlich, deshalb habe ich kurz ein kostenpflichtiges Abo abgeschlossen.

Schließlich kündigte ich mein Abo und nutzte die Android-App , die im Rahmen einer zeitlich begrenzten Aktion unbegrenzte Spracheingabe für kostenlose Konten anbot. Vor einigen Wochen wechselte ich zu Willow Voice, das fast genauso präzise und komplett kostenlos ist. Seitdem bin ich sehr zufrieden.

Meine Menschlichkeit und die Angst der Welt

Das Tippen fühlt sich immer noch anstrengend an, und trotz einiger ärgerlicher Rechtschreibfehler, die auf Probleme mit meinem Akzent zurückzuführen sind, ertappe ich mich immer noch dabei, wie ich die Fn-Taste über längere Zeiträume drücke, nur um meine Artikel zu schreiben, lange Nachrichten an meine Teamkollegen zu tippen oder sogar meine üblichen Hin- und Hergespräche mit Claude über meine persönlichen Projekte zu führen.

Es ist ein Gefühl der Befreiung, und gleichzeitig frustriert es mich jedes Mal, wenn ich zu einer Aufgabe zurückkehre, die manuelle Tastatureingaben erfordert.

Hier wird die Situation für mich etwas unangenehm. Es spielt keine Rolle, ob man im Büro arbeitet oder zu denjenigen gehört, die ihren Laptop mit ins Café nehmen, um dort zu arbeiten. Wenn man lange auf den Bildschirm starrt und dabei redet, wirkt das einfach seltsam.

Die zunehmende Verbreitung kabelloser Ohrhörer macht die Situation etwas weniger peinlich. AirPods haben es normal gemacht, Menschen herumlaufen zu sehen, die Selbstgespräche führen, wobei das eingebaute Mikrofon alles aufnimmt und überträgt, was sie sagen. Doch mit einem Menschen zu sprechen und mit einem Computer zu sprechen, sind zwei völlig verschiedene Dinge.

Wenn man mit jemandem spricht, entsteht meist ein Gefühl von Wärme, Demut und, vor allem, menschlicher Verbundenheit. Wenn man mit einem Freund telefoniert, fühlt man sich nicht unwohl. Und wenn man an einem öffentlichen Ort telefoniert, ist es für uns völlig normal geworden, zu sprechen, ohne das Telefon ans Ohr zu halten.

Wenn man mit einem Computer spricht, sind keine Emotionen im Spiel. Die Stimme klingt roboterhaft, und man verwendet Wörter, die man im Gespräch mit einem Menschen normalerweise nicht benutzen würde. Es ist lediglich eine Reihe von Anweisungen, doch heutzutage sind KI-Modelle intelligent genug, um diese zusammenhanglosen Sätze in etwas Sinnvolles zu verwandeln und als Befehle auszuführen.

Wir glauben, dass sich die Werkzeuge, die Menschen zur Führung ihrer Unternehmen nutzen, alle in Richtung Sprachpriorität entwickeln.

Einer der Gründer, die wir interviewt haben, hatte dieses Stadium bereits erreicht. Er spricht eher, als dass er schreibt, über fast alles, und der Rest seines Tages dreht sich darum.

Welche Werkzeuge sind für Sie unverzichtbar? pic.twitter.com/bupBikudcL

— Willow (@WillowVoiceAI) 3. August 2026

Ich fühle mich jedes Mal unsicher, wenn ich einen Artikel oder eine Nachricht schreibe. „Warum redet der Typ plötzlich davon, dass das KI-Modell von Anthropic außer Kontrolle geraten ist und Dienste von Drittanbietern hackt?“ „Warum redet der so wirr darüber, dass Google einen Bluetooth-Fehler auf seinen Pixel-Handys behebt?“ „Warum redet der Typ so zusammenhanglos und wirr davon , Apples UI-Designregeln zu befolgen ?“

All diese Situationen gehören zu meinem Arbeitsalltag, und ich schäme mich nicht für meinen Job. Ich liebe ihn. Trotzdem mache ich mir jedes Mal Sorgen, wenn ich in einem Coworking-Space, einer Bibliothek oder einem Café in der Nähe die Sprachausgabe nutze, dass die Person neben mir vielleicht so etwas über mich denkt.

Vielleicht muss ich einfach nur etwas Mut fassen?

Ja, die Welt interessiert sich nicht für mich und weiß auch nicht, wer ich bin. Und ein Fremder sollte sich auch nicht dafür interessieren, was ich mit meinem Computer mache. Aber soziale Normen und die Funktionsweise des menschlichen Bewusstseins lassen mich jedes Mal ein mulmiges Gefühl bekommen, wenn ich anfange, mit meinem Computer zu sprechen.

Es ist 12:42 Uhr. Ich schreibe diesen Artikel mit Willow Voice und mache mir immer noch Sorgen, dass mein Nachbar über mir oder nebenan mich mitten in der Nacht über Sprachsteuerung schwadronieren hört. Ich finde die Funktion super und freue mich, dass ich diesen Artikel in weniger als 15 Minuten schreiben konnte.

Ich fühle mich immer noch unwohl, wenn ich diese unglaublich präzisen und effizienten Spracherkennungstools an meinem Computer benutze. Ich befürchte, ich werde mich erst daran gewöhnen, wenn die ganze Welt von Spracheingaben abhängig ist. Bis dahin beschränke ich meine Computergespräche auf gemütliche Wohnungen mit geschlossenen Fenstern.